SmartDigest Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Poradnik / Praktyka

Jak zbudować narzędzie linii poleceń, którego konsumentem jest AI

Justin Poehnelt, autor otwartego CLI do Google Workspace, twierdzi, że jeśli głównym użytkownikiem narzędzia linii poleceń ma być agent AI, to projektowanie pod wygodę człowieka gra przeciwko tobie. Zamiast kilkunastu płaskich flag agent dostaje cały ładunek żądania przez `--json`, a dokumentację zastępuje komenda zwracająca aktualny schemat metody. Kluczowa obserwacja: agent nie halucynuje literówek, lecz sklejone identyfikatory i podwójnie zakodowane ścieżki, więc CLI musi walidować wejście tak jak publiczne API. To jeden głos i jedno wdrożenie, ale poparte działającym kodem.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Poradnik / Praktyka  ·  4 min  · 

Jak zbudować narzędzie linii poleceń, którego konsumentem jest AI
Ilustrację przygotowała AI.

Justin Poehnelt, inżynier stojący za otwartym CLI do Google Workspace, napisał coś, co brzmi jak herezja dla każdego, kto kiedykolwiek dopieszczał narzędzie linii poleceń: jeśli głównym użytkownikiem twojego CLI ma być agent AI, to wszystko, co robiłeś dla wygody człowieka, gra przeciwko tobie. Zbudował na tej zasadzie otwarte CLI do Google Workspace, które pozwala agentowi sterować Gmailem, Dyskiem i Arkuszami. Nie "zbudowałem CLI, a potem zauważyłem, że korzystają z niego agenty". Od pierwszego dnia założenie było jedno: każdą komendę, każdą flagę i każdy bajt wyjścia czyta model, nie człowiek.

Jego główna teza jest taka, że doświadczenie człowieka i doświadczenie agenta to nie przeciwieństwa, tylko dwie prostopadłe osie. Człowiek chce, żeby narzędzie dało się odkryć i wybaczało błędy: podpowiedzi, kolorowe wyjście, czytelny --help. Agent chce czegoś dokładnie odwrotnego, czyli przewidywalności i wielu warstw zabezpieczeń, które wyłapią błąd jedna po drugiej. Poehnelt twierdzi, że doklejanie obsługi agenta do CLI zaprojektowanego pod człowieka to przegrana walka. To jego pogląd, nie zmierzony fakt, ale logika za nim jest mocna i warto ją prześledzić.

Surowy JSON bije dedykowane flagi

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Anthropic dołożył do przykładów warstwę, którą każdy dopisywał sam Premiera / Narzędzie

Anthropic dołożył do przykładów warstwę, którą każdy dopisywał sam

5 min

Anthropic dorzucił do repozytorium claude-quickstarts trzy przykłady, w których przebieg rozmowy z agentem pamięta serwer, a nie twoja aplikacja. Knowledge Wiki mieli komplet dokumentów raz i zamyka wynik w wersjonowanej notatce, do której agent wraca przy każdym pytaniu, tyle że o kosztach nie pada ani jedna liczba. Osobny przykład pokazuje, jak ściąć rachunek za zrzuty ekranu agenta, który po każdym ruchu wysyła obraz do modelu. Obietnicę, że przeniesienie asystenta na Slacka czy Teamsy to podmiana adaptera, czytam ostrożnie, bo adapter załatwia najłatwiejszą część roboty.

Programiści przeszli żałobę po AI i wrócili z fakturą za tokeny Premiera / Narzędzie

Programiści przeszli żałobę po AI i wrócili z fakturą za tokeny

5 min

Z relacji Marka Pesce'a w The Register z konferencji AI Engineer Melbourne wynika, że programiści przestali bać się AI i zaczęli budować narzędzia, które ustawiają ją po swojej stronie. AJ Fisher pokazał, jak tani model dyfuzyjny puszczany w kółko nad jednym problemem schodzi z kosztem do połowy, a czasem do jednej dziesiątej, co Google potwierdził świeżym DiffusionGemmą. Daniel Rodgers-Pryor uruchomił zaś pipeline CI/CD, w którym agenty same diagnozują usterki i wypuszczają poprawki, działając tym lepiej, im większe dostają obciążenie.

Trzy reakcje programistów na to, że kod pisze już AI Analiza / Opinia

Trzy reakcje programistów na to, że kod pisze już AI

4 min

Guardian wypytał kilkunastu programistów o to, jak AI zmienia ich zawód. Samo pisanie kodu traci na wartości: Google przyznaje, że AI pisze już 75% jego kodu, a od premiery ChatGPT branża technologiczna w USA straciła ponad 600 tysięcy miejsc pracy. Reakcje są trzy: Matt pisze grę ręcznie, żeby nie stracić formy, George Dover po 400 zgłoszeniach przekwalifikował się na inżyniera nastawionego na AI, a Kaitlin Cort zakłada związki zawodowe dla zwalnianych. Każde z tych działań to próba znalezienia gruntu pod nogami, zanim rynek zdecyduje za człowieka.